AI Agent

The Yerkes-Dodson Curve for AI Agents: Emergent Cooperation Under Environmental Pressure in Multi-Agent LLM Simulations

人工智能代理的耶克斯-多森曲线：多代理大语言模型模拟中的环境压力下的自发合作

Ivan Pasichnyk

机构 * WeLabelData Inc.（WeLabelData公司） 纠错

专题命中 多智能体 ：agent(title,abstract)；AI agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI

AI总结 该研究通过多代理大语言模型模拟，发现环境压力与合作行为呈倒U型关系，揭示了压力校准在AI代理开发中的重要性。

Comments 13 pages, 2 figures, 7 tables

Parallelized Planning-Acting for Efficient LLM-based Multi-Agent Systems in Minecraft

并行规划-行动用于Minecraft中基于大语言模型的多智能体系统的高效性

Yaoru Li, Shunyu Liu, Tongya Zheng, Li Sun, Mingli Song

机构 * Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； Hangzhou City University（杭州市城市大学） ； Ningbo Global Innovation Center, Zhejiang University（宁波全球创新中心，浙江大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；planning(title,abstract)；multi-agent(title,abstract)；分类 cs.AI

AI总结 本文提出了一种基于大语言模型的多智能体系统并行规划-行动框架，通过双线程架构实现同时规划和行动，提升Minecraft中动态决策的效率和响应能力。

MAS-ZERO: Designing Multi-Agent Systems with Zero Supervision

MAS-ZERO：无需监督设计多智能体系统

Zixuan Ke, Austin Xu, Yifei Ming, Xuan-Phi Nguyen, Ryan Chin, Caiming Xiong, Shafiq Joty

机构 * Salesforce AI Research（Salesforce AI研究院） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；agentic(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 MAS-ZERO通过元层面设计实现无需监督的多智能体系统自动设计，提升推理、编程和代理任务的性能。

Comments SEA@NeurIPS (Oral) 2025

CompanionCast: Toward Social Collaboration with Multi-Agent Systems in Shared Experiences

CompanionCast：迈向多智能体系统在共享体验中的社会协作

Yiyang Wang, Chen Chen, Tica Lin, Vishnu Raj, Josh Kimball, Alex Cabral, Josiah Hester

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Dolby Laboratories, Inc.（杜比实验室） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；AI agent(abstract)；分类 cs.CL

AI总结 CompanionCast通过多智能体系统提升共享体验中的社会协作，通过多模态检测、上下文缓存和空间音频增强共在感，实验显示其在体育观看中显著提升社会存在感和情感共享。

Comments Accepted at ACM CHI 2026 Workshop on Human-Agent Collaboration

Coverage-Guided Multi-Agent Harness Generation for Java Library Fuzzing

面向 Java 库的覆盖引导多智能体模糊生成

Nils Loose, Nico Winkel, Kristoffer Hempel, Felix Mächtle, Julian Hans, Thomas Eisenbarth

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；workflow(abstract)；分类 cs.SE

AI总结 本文提出一种多智能体架构，通过 LLM 功能智能体自动化生成 Java 库的模糊 harnesses，提升模糊测试效率并发现漏洞。

Comments Accepted at The 19th International Workshop on Search-Based and Fuzz Testing (SBFT 2026, ICSE Workshop)

A Novel Multi-Agent Architecture to Reduce Hallucinations of Large Language Models in Multi-Step Structural Modeling

一种新型多智能体架构以减少大型语言模型在多步骤结构建模中的幻觉

Ziheng Geng, Jiachen Liu, Ran Cao, Lu Cheng, Dan M. Frangopol, Minghui Cheng

机构 * Department of Civil and Architectural Engineering, University of Miami（迈阿密大学土木与建筑工程系） ； HBC Engineering Company（HBC工程公司） ； College of Civil Engineering, Hunan University（湖南大学土木学院） ； Department of Computer Science, University of Illinois Chicago（伊利诺伊大学芝加哥分校计算机科学系） ； Department of Civil and Environmental Engineering, Lehigh University（莱斯利大学土木与环境工程系） ； School of Architecture, University of Miami（迈阿密大学建筑学院） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.AI

AI总结 本文提出了一种新型多智能体架构，通过并行代理协同工作，利用OpenSeesPy实现多步骤结构建模自动化，有效减少幻觉并提高计算效率。

EFT-CoT: A Multi-Agent Chain-of-Thought Framework for Emotion-Focused Therapy

EFT-CoT：一种针对情感导向治疗的多智能体链式思考框架

Lanqing Du, Yunong Li, YuJie Long, Shihong Chen

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；workflow(abstract)；分类 cs.CL

AI总结 EFT-CoT提出一种基于情感导向治疗的多智能体框架，通过三个阶段工作流程提升心理健康问答的共情深度和专业性。

Multi-Agent Off-World Exploration for Sparse Evidence Discovery via Gaussian Belief Mapping and Dual-Domain Coverage

多智能体非世界探索用于稀疏证据发现的高斯信念映射与双域覆盖

Zhuoran Qiao, Tianxin Hu, Thien-Minh Nguyen, Shenghai Yuan

机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； The University of Queensland（昆士兰大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)

AI总结 本文提出基于高斯信念映射和双域覆盖的多智能体路径规划框架，用于非世界稀疏证据发现，通过平衡信息获取与操作安全，提升探索效率和鲁棒性。

An LLM-Assisted Multi-Agent Control Framework for Roll-to-Roll Manufacturing Systems

用于卷对卷制造系统的基于LLM的多智能体控制框架

Jiachen Li, Shihao Li, Christopher Martin, Zijun Chen, Dongmei Chen, Wei Li

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)

AI总结 本文提出一种基于LLM的多智能体框架，用于自动化卷对卷制造系统的控制设计与适应，通过五个阶段实现安全、高效的控制性能

A Recipe for Stable Offline Multi-agent Reinforcement Learning

一种稳定离线多智能体强化学习的配方

Dongsu Lee, Daehee Lee, Amy Zhang

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出一种稳定离线多智能体强化学习的配方，通过尺度不变价值归一化技术解决非线性价值分解的不稳定性问题，提升训练稳定性与性能。

Comments Preprint

LatentMem: Customizing Latent Memory for Multi-Agent Systems

LatentMem: 为多智能体系统定制潜在记忆

Muxin Fu, Xiangyuan Xue, Yafu Li, Zefeng He, Siyuan Huang, Xiaoye Qu, Yu Cheng, Yang Yang

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.CL、cs.LG

AI总结 LatentMem通过定制智能体特定的记忆和优化策略，提升了多智能体系统的性能表现。

SMAT: Staged Multi-Agent Training for Co-Adaptive Exoskeleton Control

SMAT: 分阶段多智能体训练用于协同适应外骨骼控制

Yifei Yuan, Ghaith Androwis, Xianlian Zhou

机构 * Department of Biomedical Engineering, New Jersey Institute of Technology（生物医学工程系，新泽西理工学院） ； Kessler Foundation（凯斯勒基金会） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.LG

AI总结 SMAT通过分阶段多智能体训练实现外骨骼控制的协同适应，提升行走辅助效果与机械功率输出。

Stochastic Self-Organization in Multi-Agent Systems

多智能体系统中的随机自组织

Nurbek Tastan, Samuel Horvath, Karthik Nandakumar

机构 * Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（莫扎德·本·扎耶德人工智能大学） ； Michigan State University (MSU)（密歇根州立大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.CL、cs.LG

AI总结 本文提出SelfOrg框架，通过实时适应通信结构，实现多智能体系统的随机自组织，提升协作效率与鲁棒性。

Comments Accepted to ICLR 2026

MICA: Multi-Agent Industrial Coordination Assistant

MICA：多智能体工业协调助手

Di Wen, Kunyu Peng, Junwei Zheng, Yufan Chen, Yitian Shi, Jiale Wei, Ruiping Liu, Kailun Yang, Rainer Stiefelhagen

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄大学） ； INSAIT ； Hunan University（湖南大学） ； Carl Zeiss Stiftung（卡尔蔡司基金会） ； University of Excellence（卓越大学） ； Helmholtz Association（海德堡协会） ； State of Baden-Württemberg（巴登-符腾堡州） ； German Research Foundation（德国研究基金会） ； National Natural Science Foundation of China（国家自然科学基金委员会） ； Hunan Provincial Research and Development Project（湖南省研发项目） ； State Key Laboratory of Autonomous Intelligent Unmanned Systems（自主智能无人系统国家重点实验室） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.LG

AI总结 MICA是一种基于感知和语音交互的多智能体系统，通过自适应步骤融合技术提升工业任务的执行效率和可靠性。

Comments Accepted to ICRA 2026. The source code will be made publicly available at https://github.com/Kratos-Wen/MICA

Generative Evolutionary Meta-Solver (GEMS): Scalable Surrogate-Free Multi-Agent Reinforcement Learning

生成进化元求解器（GEMS）：可扩展的无代理多智能体强化学习

Alakh Sharma, Gaurish Trivedi, Kartikey Singh Bhandari, Yash Sinha, Dhruv Kumar, Pratik Narang, Jagat Sesh Challa

机构 * Birla Institute of Technology and Science, Pilani（比拉理工学院） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.LG

AI总结 GEMS 提出了一种无代理的多智能体强化学习框架，通过生成器和潜在锚点替代传统种群方法，实现更快的训练速度和更低的内存消耗，同时保持博弈论保证。

Comments Accepted at Transactions on Machine Learning Research (TMLR)

Journal ref Transactions on Machine Learning Research (2026)

PhishDebate: An LLM-Based Multi-Agent Framework for Phishing Website Detection

PhishDebate: 基于大语言模型的多智能体框架用于钓鱼网站检测

Wenhao Li, Selvakumar Manickam, Yung-wey Chong, Shankar Karuppayah

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 PhishDebate通过多智能体辩论框架提升钓鱼网站检测的准确性与可解释性，实现高召回率和模块化可配置性。

Comments Please cite as: W. Li, S. Manickam, Y. -W. Chong and S. Karuppayah, "PhishDebate: An LLM-Based Multi-Agent Framework for Phishing Website Detection," 2025 IEEE International Conference on Big Data (BigData), Macau, China, 2025, pp. 6606-6615, doi: 10.1109/BigData66926.2025.11401440

Journal ref 2025 IEEE International Conference on Big Data (BigData), Macau, China, 2025, pp. 6606-6615

EvoScientist: Towards Multi-Agent Evolving AI Scientists for End-to-End Scientific Discovery

EvoScientist: 向多智能体进化AI科学家迈进以实现端到端的科学发现

Yougang Lyu, Xi Zhang, Xinhao Yi, Yuyue Zhao, Shuyu Guo, Wenxiang Hu, Jan Piotrowski, Jakub Kaliski, Jacopo Urbani, Zaiqiao Meng, Lun Zhou, Xiaohui Yan

机构 * Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.CL

AI总结 EvoScientist通过多智能体进化和持久记忆提升科学发现效率，实现端到端的科学发现任务。

ImageEdit-R1: Boosting Multi-Agent Image Editing via Reinforcement Learning

ImageEdit-R1: 通过强化学习提升多智能体图像编辑

Yiran Zhao, Yaoqi Ye, Xiang Liu, Michael Qizhe Shieh, Trung Bui

机构 * National University of Singapore（新加坡国立大学） ； Adobe Research（Adobe研究） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI

AI总结 ImageEdit-R1通过强化学习实现多智能体图像编辑，提升复杂指令下的编辑效果与上下文感知能力。

HLER: Human-in-the-Loop Economic Research via Multi-Agent Pipelines for Empirical Discovery

HLER: 通过多智能体流水线进行人机协同的经济研究

Chen Zhu, Xiaolu Wang

机构 * China Agricultural University（中国农业大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI

AI总结 HLER通过多智能体流水线实现人机协同的经济研究，利用数据集感知的假设生成提升实证研究效率和可行性。

Multi-Agent Reinforcement Learning with Submodular Reward

具有子模奖励的多智能体强化学习

Wenjing Chen, Chengyuan Qian, Shuo Xing, Yi Zhou, Victoria Crawford

机构 * Department of Computer Science and Engineering, Texas A&M University（计算机科学与工程系，德克萨斯A&M大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.LG

AI总结 本文提出了一种具有子模奖励的多智能体强化学习框架，通过贪心策略优化和UCB算法分别在已知和未知动态下实现了高效的样本效率和后悔界保证。

Breaking the Martingale Curse: Multi-Agent Debate via Asymmetric Cognitive Potential Energy

突破马尔可夫诅咒：基于非对称认知潜能的多智能体辩论

Yuhan Liu, Juntian Zhang, Yichen Wu, Martin Takac, Salem Lahlou, Xiuying Chen, Nils Lukas

机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎德·本·扎耶德人工智能大学） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学国际关系学院） ； Harvard University（哈佛大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI

AI总结 AceMAD通过非对称认知潜能打破马尔可夫诅咒，提升多智能体辩论的真理收敛能力。

Personalized Multi-Agent Average Reward TD-Learning via Joint Linear Approximation

个性化多智能体平均回报TD学习 via 联合线性近似

Leo Muxing Wang, Pengkun Yang, Lili Su

机构 * Northeastern University（东北大学） ； Tsinghua University（清华大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.LG

AI总结 本文提出通过联合线性近似实现个性化多智能体平均回报TD学习，通过共享子空间和局部头部的分解，有效缓解信号冲突并实现线性加速。

Distributed Coordination Algorithms with Efficient Communication for Open Multi-Agent Systems with Dynamic Communication Links and Processing Delays

具有高效通信的分布式协调算法用于具有动态通信链接和处理延迟的开放多智能体系统

Jiaqi Hu, Karl H. Johansson, Apostolos I. Rikos

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本文提出三种高效通信的分布式算法，用于解决开放多智能体系统中动态通信链接和处理延迟下的量化平均一致性问题，展示了其有限时间收敛和鲁棒性。

Robust Cooperative Output Regulation of Discrete-Time Heterogeneous Multi-Agent Systems

离散时间异构多智能体系统的鲁棒协同输出调节

Kursad Metehan Gul, Selahattin Burak Sarsilmaz

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本文提出了一种基于内部模型的分布式控制方法，用于解决离散时间异构多智能体系统的鲁棒协同输出调节问题，并通过线性矩阵不等式提供了可行的条件。

Comments Under review

Evaluating Multi-Agent LLM Architectures for Rare Disease Diagnosis

评估多智能体LLM架构在罕见病诊断中的表现

Ahmed Almasoud

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本研究评估了多智能体LLM架构在罕见病诊断中的表现，发现分层结构略优于其他拓扑，而对抗模型性能显著下降，支持动态拓扑选择的重要性。

Reinforcing the World's Edge: A Continual Learning Problem in the Multi-Agent-World Boundary

强化世界的边缘：多智能体世界边界中的持续学习问题

Dane Malenfant

机构 * McGill University（麦吉尔大学） ； Mila - The Québec AI Institute（魁北克人工智能研究所） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title)；分类 cs.AI

AI总结 本文探讨了多智能体强化学习中智能体与世界边界不稳定导致的持续学习问题，提出通过量化边界漂移来管理不变性损失。

Comments Accepted at the World Modeling Workshop 2026

LieCraft: A Multi-Agent Framework for Evaluating Deceptive Capabilities in Language Models

LieCraft：一种用于评估语言模型欺骗能力的多智能体框架

Matthew Lyle Olson, Neale Ratzlaff, Musashi Hinck, Tri Nguyen, Vasudev Lal, Joseph Campbell, Simon Stepputtis, Shao-Yen Tseng

机构 * Intel Labs（英特尔实验室） 纠错

专题命中 多智能体 ：agent(title)；multi-agent(title)；分类 cs.AI、cs.CL

AI总结 LieCraft通过多智能体隐藏角色游戏评估语言模型的欺骗能力，揭示所有模型在面对高风险领域时均倾向于不道德行为。

Comments AAAI 2026 Alignment track. Authors 1 and 2 contributed equally, 3 and 4 contributed equally, 6 and 7 and 8 contributed equally (ordered by last name)

LAMBDA: A Large Model Based Data Agent

LAMBDA：基于大模型的数据代理

Maojun Sun, Ruijian Han, Binyan Jiang, Houduo Qi, Defeng Sun, Yancheng Yuan, Jian Huang

专题命中 多智能体 ：agent(title,abstract)；multi-agent(abstract)；分类 cs.AI、cs.LG、cs.SE

AI总结 LAMBDA是一种基于大模型的数据代理系统，通过程序员和检查员协作实现无需代码的数据分析，提升数据分析的可访问性和效率。

Comments 56 pages

Journal ref Journal of the American Statistical Association, 2025

SplitAgent: A Privacy-Preserving Distributed Architecture for Enterprise-Cloud Agent Collaboration

SplitAgent: 一种隐私保护的企业-云代理协作分布式架构

Jianshu She

专题命中 多智能体 ：agent(title,abstract)；AI agent(abstract)；分类 cs.AI

AI总结 SplitAgent通过语境感知的动态去敏化技术，实现企业与云代理间的隐私保护协作，提升任务准确率并减少隐私泄露。

IPPO Learns the Game, Not the Team: A Study on Generalization in Heterogeneous Agent Teams

IPPO 学习游戏而非团队：对异质智能体团队泛化能力的研究

Ryan LeRoy, Jack Kolb

机构 * Los Gatos High School（洛斯加托斯高中） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(abstract)

AI总结 本文研究了IPPO在异质智能体团队中的泛化能力，通过旋转策略训练（RPT）发现IPPO基线在未经历队友多样性训练的情况下仍能泛化到新队友算法。

Comments 4 pages, 3 figures, appendix